买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜大连理工大学申请的专利基于用户聚类和商品聚类的混合协同过滤推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114741603B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210437699.2，技术领域涉及：G06F16/9535；该发明授权基于用户聚类和商品聚类的混合协同过滤推荐方法是由周宽久;高崧豪;李浚瑀;刘楠设计研发完成，并于2022-04-25向国家知识产权局提交的专利申请。

本基于用户聚类和商品聚类的混合协同过滤推荐方法在说明书摘要公布了：一种基于用户聚类和商品聚类的混合协同过滤推荐算法，针对互联网电商平台，设计属性偏好矩阵实现系统推荐冷启动；再对聚类结果进行降噪处理，并引入融合因子α，获取Top‑n推荐集。最后，根据购买记录分析商品间的关联规则和用户对商品属性的偏好权值，获得关联规则推荐集与用户个性化推荐集，结合Top‑n推荐集共同得到用户推荐列表，完成对多维度精准推荐。本发明能够在冷启动阶段没有实际购买数据的情况下，对用户进行较为精准的推荐；并且在聚类中利用双重聚类算法与聚类降噪处理，使推荐算法较传统推荐算法在推荐精准度方面有较大幅度提升，此外本发明利用关联规则分析，结合ID3进行赋权实现对商品间关联规则和用户个性的推荐，推荐结果更加科学、全面。

本发明授权基于用户聚类和商品聚类的混合协同过滤推荐方法在权利要求书中公布了：1.一种基于用户聚类和商品聚类的混合协同过滤推荐方法，其特征在于，包括以下步骤：步骤1、引用外部购买记录获得用户属性对商品属性的评价矩阵；通过对外部购买记录的利用，获得用户属性对商品属性的评价矩阵C，评价矩阵如公式1或公式2所示：Ue×C×Pe＝Ee1 其中，e下标所示，为外部购买记录内容；Ue表示用户属性矩阵，行为外部数据源用户ID，列为用户属性；C表示用户属性对商品属性的评价矩阵，行为用户属性，列为商品属性；Pe表示商品属性矩阵，行为商品属性，列为外部数据源商品ID；Ee表示用户商品评价矩阵；表示Ue矩阵的逆矩阵，表示Pe矩阵的逆矩阵；公式1可等同于公式2；步骤2、将用户属性对商品属性的评价矩阵、系统中用户属性矩阵和商品属性矩阵结合，获得初始用户评价矩阵，选取Top-n，完成冷启动；具体如下：引入外部购买记录获得用户属性对商品属性的评价矩阵C，解决冷启动阶段无法推荐的问题，将其与系统中已有用户信息及商品信息结合，得到用户评价矩阵，表示为公式5：Ui×C×Pi＝Ei5其中，Ui表示本系统用户属性矩阵，行为用户ID，列为用户属性；Pi表示本系统商品属性矩阵，行为商品属性，列为商品ID；Ei表示本系统初始用户商品评价矩阵；对Ei中每个用户对商品的评分进行排序，选取评分最高的n个商品，进行初步推荐；步骤3、利用系统中已有的用户属性矩阵和商品属性矩阵，分别对用户与商品进行聚类，确定初始簇心，并进行聚类迭代，直至类簇稳定不变；步骤4、降噪处理，将靠近多个簇心的向量识别为噪点，进行降噪；步骤5、获取用户预测评价与商品预测评价，引入融合因子α，获取最终预测评价，并得到Top-n推荐集；利用两个预测评价结合融合因子α共同生成最终预测评价，融合公式表示为11：Fi,u＝α×Qi,u+1-α×Pi,u11其中，Fi,u表示用户i对商品u的预测评价；α为融合因子，α∈[0,1]；Qi,u表示基于商品聚类用户i对商品u的预测评价；Pi,u表示基于用户聚类，用户i对商品u的预测评价；步骤6、对交易数据进行Apriori关联规则挖掘，根据用户的购买记录，获得存在关联规则的商品推荐集；步骤7、利用ID3分析用户购买记录，赋权分析获得用户对商品属性的偏好权值，得到用户个性化推荐集，与关联规则推荐集和Top-n推荐集结合，得到最终推荐列表。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。